高维混合类别高斯过程及其在绿色飞机多学科设计优化中的应用
最优化与控制
2024-05-14 v2 人工智能
机器学习
摘要
近年来，基于高斯过程（GP）的混合类别元模型用于贝叶斯优化受到越来越多的关注。在此背景下，可采用不同方法构建混合类别GP。许多方法涉及大量超参数；事实上，用于构建GP的策略越通用、越精确，需要估计的超参数就越多。本文提出了一种创新的降维算法，该算法依赖偏最小二乘回归来减少构建混合变量GP所需的超参数数量。我们的目标是将GP中常用（针对连续输入）的经典降维技术推广到处理混合类别输入。所提方法在结构和多学科应用背景下均展现出良好潜力。目标应用包括悬臂梁分析以及绿色飞机优化，后者在单次任务中实现了燃油消耗显著减少439千克。
引用
@article{arxiv.2311.06130,
title = {High-dimensional mixed-categorical Gaussian processes with application to multidisciplinary design optimization for a green aircraft},
author = {Paul Saves and Youssef Diouane and Nathalie Bartoli and Thierry Lefebvre and Joseph Morlier},
journal= {arXiv preprint arXiv:2311.06130},
year = {2024}
}
备注
v2 - Structural and Multidisciplinary Optimization